一、XML的讀寫
對XML文件的讀和寫，我所知道的是，標準的讀寫方式有兩種，DOM和SAX。其中，SAX需要把整個XML文件先讀進來，然后才允許你對這個文件進行讀寫，它的優(yōu)點是操作方便，真的很方便；缺點就是效率上不好，因為它要先把整個文件讀近來么。DOM則是把XML文件的元素看作流來處理，一個一個讀進來，它的優(yōu)點就是效率很好，因為DOM方式是讀一點就可以處理一點，這個效率方面，應該和普通的文件處理沒太大的區(qū)別；缺點就是操作不方便，這個不方便的程度，應該和普通的文件處理比能好那么一點點而已。性能和操作，不可兼得——多希望有兼得的那么一天啊！
所以對小的XML文件，盡管用SAX好了；要是這XML文件大小超過了1M，最好用DOM；如果超過了10M你還用SAX，那您可是有點想故意搗亂了。
二、XML的格式
說起來XML的格式真的挺簡單，不是說了么XML的目標是讓任何一個計算機碩士畢業(yè)的人可以在四個星期內完成一個XML解析器（不知道DOM接口SAX效率的解析器算不算），說實話，我覺得本科的就可以了。如果會用正則表達式，可能兩個星期就足夠了（包括一個星期休假時間）。
但是也有不簡單的地方。
一個可以被解析器讀入的XML文件，僅僅是合格的XML文件（Well-formated），要做到這一點很容易，你只要通過任何一個正確的XML解析器（包括計算機碩士用四個星期寫的）采取SAX方式生成一個XML文件，那一定是合格的XML文件——想錯你都沒機會。
但是合格的XML文件未必就是合用的。
比如我今天在公司設計我們模塊的XML文件格式，下星期有朋自遠方來。原來我覺得這太簡單了，很快就可以做完。確實我很快就做完了，但是馬上發(fā)現(xiàn)問題了，因為在另外一個模塊，德方提出了要求實現(xiàn)的格式，和我的完全不一樣。比如表示設計模式這本書的信息，我是這樣寫的：
<book index = "1">
<name value = "Design Pattern"/>
<author value = "GOF"/>
</book>
而如果按照德方提出的要求，就應該這樣寫：
<book>
<name>Design Pattern</name>
<author>GOF</author>
</book>
也就是說，我把所有的數(shù)據(jù)都寫到了屬性里，而德方卻要求把大部分的數(shù)據(jù)放在子節(jié)點里。那么誰的做法是對的呢？顯然我們都是合格的。
這就涉及到一個XML標簽的定義和使用的問題了。就我舉的例子而言，比較好的做法是創(chuàng)建一個book的節(jié)點，然后把名字、作者、價格都作為屬性而寫上去。我們的都不好。但是在我們公司里的那種情況下，確實是德國人的做法好。我的做法寫出來的文件，僅僅在IE里瀏覽的時候很漂亮，一目了然。德國人給的方案在IE里看起來，好丑，不過符合XML文件描述的數(shù)據(jù)的邏輯結構。
如果你學過數(shù)據(jù)庫，那是不是覺得，就定義和使用XML標簽這個問題上看，XML很類似與數(shù)據(jù)庫的設計呢？要解決這個問題，就需要今天的最后一個主角：DTD出場了。
三、DTD的簡單介紹
XML大家恐怕都是耳熟能詳了，DTD就有點鮮為人知了。至少我一聽到這東西的時候，總是把它和TDD弄混。所以在這里，我也就是能給DTD來點簡單的介紹而已了。
DTD是Document Type Definition的縮寫（我最討厭縮寫，特別是最近看一本CMMI的書，老天爺，全是縮寫！）。它的作用是確保XML文件的正確性，具體而言，就是確保XML文件中的標簽、元素是否是按照正確的方式使用的。比如上文中，一個人把所有的屬性獨立成一個個元素，然后再在元素里面加屬性，另一個卻把所有的屬性都做成了元素，誰的誰錯？誰都對了，但是這樣對下去，我表示書的XML文件，就不能讓德國人用，德國人表示書的XML文件我也不能用，XML就失去意義了。那就需要大家約定一個DTD文件了，我們雙方都遵守這個DTD文件的約定，就不會出現(xiàn)這種問題了。而且，一個XML數(shù)據(jù)解析器在讀一個XML文件的時候，可以先檢查一下，這個XML文件是否符合約定的DTD標準，以此來判斷這個XML文件是不是自己需要的數(shù)據(jù)。
DTD和XML結合在一起，有很多著名的應用，比如MathML，就是利用XML和DTD結合，制定出來用來描述數(shù)學表達式的一個標準。如果沒有DTD，那么這樣的標準是不可能推出的，當年牛頓和萊布尼茨兩個人就搞出來兩套微積分符號，現(xiàn)在這么多數(shù)學家，一定會這邊要求如此寫XML，那邊要求如彼寫XML，非亂套不可。
但是DTD的應用，恐怕不會太多了，這是因為DTD是有一些明顯缺陷的。首先，它不符合XML語法，它是自成體系的另一套語法，相當?shù)臒┈崳黄浯危茿SCII格式的，這不構成致命缺陷，但是XML文件完全是Unicode的情況下，它還保持古老的ASCII格式，就相當不協(xié)調了。還有其他缺陷，本池水淺學疏，還不知道，那就列到這里，給DTD個面子。
水深的人很多，所以他們提出了很多避免或者取代DTD的方法，比如XSLT，好象在CSDN的論壇，用的就是XML+XSLT吧？我保存了很多CSDN論壇的貼子，都不能看，非要我再保存一另外一個文件才能看。最著名的DTD取代者，當然是XML Schema了！XML Schema不僅僅沒有DTD的缺陷，還有很多強大的優(yōu)點——這個，本池又一次水淺學疏～